买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉湖南科技大学申请的专利基于层细化图卷积神经网络预测疾病lncRNA的方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117012277B 。

龙图腾网通过国家知识产权局官网在2026-01-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311151750.4，技术领域涉及：G16B25/10；该发明授权基于层细化图卷积神经网络预测疾病lncRNA的方法是由彭理;杨雨洁;王旺;黎华平;杨嘉怀;梁伟设计研发完成，并于2023-09-07向国家知识产权局提交的专利申请。

本基于层细化图卷积神经网络预测疾病lncRNA的方法在说明书摘要公布了：本发明公开了一种基于层细化图卷积神经网络预测疾病lncRNA的方法，包括以下步骤：融合节点的多种相似性信息；利用构建异构网络；使用带分层细化机制的图卷积神经网络学习异构网络中每个节点的特征聚合信息；将细化的每一隐藏层的特征信息整合，得到节点的最终特征表达；对最终特征表达矩阵应用矩阵转置乘法，得到lncRNA‑疾病对的预测关联分数。本发明将分层细化机制融入到图卷积神经网络中，使其能在消息传播过程中，充分考虑每一隐藏层与节点初始特征层之间的相似性，能够放大与初始层更相似层的权重，减小与初始层不相似的层的权重，从而解决深度神经网络中常见的过度平滑问题。

本发明授权基于层细化图卷积神经网络预测疾病lncRNA的方法在权利要求书中公布了：1.一种基于层细化图卷积神经网络预测疾病lncRNA的方法，其特征在于，包括以下步骤： 1融合lncRNA节点的多种相似性信息，融合疾病节点的多种相似性信息，融合miRNA节点的多种相似性信息； 所述步骤1具体包括以下步骤： 1-1对于疾病节点，由疾病语义相似性和高斯核相似性信息融合得到疾病相似性矩阵； 1-2对于lncRNA节点，整合其功能相似性和高斯核相似性信息得到lncRNA相似性矩阵； 1-3对于miRNA节点，将miRNA序列相似性和高斯核相似性信息整合得到miRNA相似性矩阵； 2利用lncRNA-疾病已知关联、miRNA-疾病已知关联、lncRNA-miRNA相互作用以及步骤1融合的相似性信息构建异构网络； 3使用带分层细化机制的图卷积神经网络学习异构网络中每个节点的特征聚合信息； 所述步骤3包括以下步骤： 3-1采用仿射变换将lncRNA、疾病和miRNA的特征维度调整一致，并构建lncRNA、疾病和miRNA节点的初始特征表示，分别表示为、和，仿射变换公式如下： ； 其中表示矩阵乘法，、和表示可训练的权重矩阵，R表示维度，、和表示可训练的偏置参数，表示三种节点进行仿射变换后的特征维度； 3-2构建用于训练模型的初始特征表示，公式如下： ； 3-3利用分层细化机制聚合节点特征，在消息传播过程中，从初始层中动态地提取节点的特征信息，带分层细化机制的消息传播公式定义如下： ； 其中，是单位矩阵，的对角度矩阵； 其中，表示第层的节点特征，为可训练的权重矩阵，表示相似性函数，表示层的节点特征初始节点特征之间余弦相似向量，是一个与同型的向量，防止为向量； 4使用READOUT函数将在消息传播过程中细化了的每一隐藏层的特征信息进一步整合，得到节点的最终特征表达； 5对lncRNA和疾病节点的最终特征表达矩阵应用矩阵转置乘法，得到lncRNA-疾病对的预测关联分数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湖南科技大学，其通讯地址为：411201 湖南省湘潭市雨湖区石码头2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。